图的基本结构

通常，使用 numpy 组织数据, 使用 matplotlib API 进行数据图像绘制。 一幅数据图基本上包括如下结构：

1. Data: 数据区，包括数据点、描绘形状
2. Axis: 坐标轴，包括 X 轴、 Y 轴及其标签、刻度尺及其标签
3. Title: 标题，数据图的描述
4. Legend: 图例，区分图中包含的多种曲线或不同分类的数据
5. 其他的还有图形文本 (Text)、注解 (Annotate)等其他描述

详细的结构图如下图所示：

 

画法

按照绘图结构，可将数据图的绘制分为如下几个步骤：

• 导入 matplotlib 包相关工具包
• 准备数据，numpy 数组存储
• 绘制原始曲线
• 配置标题、坐标轴、刻度、图例
• 添加文字说明、注解
• 显示、保存绘图结果

导包

#coding:utf-8
import numpy as np
import matplotlib.pyplot as plt
from pylab import *

 

准备数据

numpy 常用来组织源数据:

# 定义数据部分
x = np.arange(0., 10, 0.2)
y1 = np.cos(x)
y2 = np.sin(x)
y3 = np.sqrt(x)

 

绘制基本曲线

使用 plot 函数直接绘制上述函数曲线，可以通过配置 plot 函数参数调整曲线的样式、粗细、颜色、标记等：

# 绘制 3 条函数曲线
plt.plot(x, y1, color='blue', linewidth=1.5, linestyle='-', marker='.', label=r'$y = cos{x}$')
plt.plot(x, y2, color='green', linewidth=1.5, linestyle='-', marker='*', label=r'$y = sin{x}$')
plt.plot(x, y3, color='m', linewidth=1.5, linestyle='-', marker='x', label=r'$y = \sqrt{x}$')

 

设置坐标轴

# 坐标轴上移
ax = plt.subplot(111)
ax.spines['right'].set_color('none')     # 去掉右边的边框线
ax.spines['top'].set_color('none')       # 去掉上边的边框线
# 移动下边边框线，相当于移动 X 轴
ax.xaxis.set_ticks_position('bottom')    
ax.spines['bottom'].set_position(('data', 0))
# 移动左边边框线，相当于移动 y 轴
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

# 设置 x, y 轴的刻度取值范围
plt.xlim(x.min()*1.1, x.max()*1.1)
plt.ylim(-1.5, 4.0)
# 设置 x, y 轴的刻度标签值
plt.xticks([2, 4, 6, 8, 10], [r'2', r'4', r'6', r'8', r'10'])
plt.yticks([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], [r'-1.0', r'0.0', r'1.0', r'2.0', r'3.0', r'4.0'])
"""
plt.yticks([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0])
"""

# 设置标题、x轴、y轴
plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$', fontsize=19)
plt.xlabel(r'$the \ input \ value \ of \ x$', fontsize=18, labelpad=88.8)
plt.ylabel(r'$y = f(x)$', fontsize=18, labelpad=12.5)

 

设置文字描述、注解

在数据图中添加文字描述 text：

plt.text(4, 1.68, r'$x \in [0.0, \ 10.0]$', color='k', fontsize=15)
plt.text(4, 1.38, r'$y \in [-1.0, \ 4.0]$', color='k', fontsize=15)

// 其中，r’……’ 语句表示使用 LaTex 公式符号.

 

另外，

文本倾斜：在plt.text()中加入fontstyle='italic'
文本旋转：在plt.text()中加入参数rotation，例如rotation=45

 

在数据图中给特殊点添加注解 annotate：

# 特殊点添加注解
plt.scatter([8,],[np.sqrt(8),], 50, color ='m')  # 使用散点图放大当前点
plt.annotate(r'$2\sqrt{2}$', xy=(8, np.sqrt(8)), xytext=(8.5, 2.2), fontsize=16, color='#090909', arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='#090909'))
"""
plt.annotate('%.4f' % acc, xy=(thres, acc), xytext=(thres, acc+0.04), ha='center', color='black', arrowprops=dict(arrowstyle='->', color='black'))  #在正上方添加注解
plt.annotate('%.4f' % cov, xy=(thres, cov), xytext=(thres, cov-0.04), ha='center', color='green', arrowprops=dict(arrowstyle='->', color='green'))　#在正下方添加注解, ha表示horizontalalignment(水平对齐)
"""

 

设置图例

可使用如下两种方式，给绘图设置图例：
1: 在 plt.plot 函数中添加 label 参数后，使用 plt.legend(loc=’up right’)
2: 不使用参数 label, 直接使用如下命令：

plt.legend(['cos(x)', 'sin(x)', 'sqrt(x)'], loc='up right')

 

loc 参数表示图例的位置，常见的位置参数如下：

 

网格线开关

# 显示网格线
plt.grid(True)

 

显示、保存

plt.show()    # 显示
# savefig('../figures/plot3d_ex.png',dpi=48)    # 保存，前提目录存在

&nbs